Gartner预测，数据质量不佳将成为2025年阻碍企业部署AI等先进分析技术的最大挑战之一。因此，数据和分析(D&A)领导者应重点关注三个相互依存的领域：业务成果、D&A能力和行为变化，从而推进企业的AI计划。
Gartner研究副总裁Carlie Idoine表示：“AI持续推动企业规划，超半数的首席执行官(CEO)认为， AI将未来三年内是对其所在行业影响最大的技术。鉴于这一点，熟悉这项技术的D&A领导者在驱动业务成果方面具有独特的优势。”
Gartner研究副总裁Gareth Herschel表示：“AI正在成为企业重点关注的领域，D&A领导者必须避免夸大其词并专注于对可信度、适应性和人员的投资。”
业务成果
Gartner建议D&A领导者在展示AI业务成果时优先考虑其价值。
Idoine 表示：“证明AI的价值仍然是AI落地的最大障碍。为此，D&A领导者必须专注于根据具体情况建立合适的可信度。”
D&A领导者可通过以下行动来驱动业务成果：
建立可信度模型：可信的高质量数据是实现数据驱动型企业的关键，但许多AI计划因数据质量不佳而以失败告终。可信度模型关注数据的价值和风险，并根据数据脉络和管护情况做出可信度评级。
将生产力的提高转化为收益： D&A领导者必须考虑生产力提升对价值和竞争力的影响，这关乎总成本、复杂性和风险。
传达D&A的价值：将所有成本考虑在内，包括数据管理、治理和变更管理等。
D&A能力
在AI解决方案方面，D&A领导者必须确保使用一系列工具和技术构建自己的技术堆栈。
Herschel表示：“堆栈方案与最佳产品方案之间的抉择并不新鲜，但这一决策的动态却独具一格。D&A领导者必须建立一个可扩展的自适应生态系统以满足开发最佳AI产品的需求。”
为了实现这种适应性，D&A领导者必须：
创建一个模块化的开放生态系统： 通过更新或替换架构组件适应新的需求和技术的快速变化。
提供AI就绪、可重复使用的数据： 将可信度融入财务运维(FinOps)、数据运维(DataOps)和平台运维(PlatformOps)，从技术堆栈过渡到可信度堆栈。
探索AI智能体：充分利用通过主动元数据驱动的AI就绪数据生态系统适应变化的动态智能体。
行为变化
虽然重视数据治理、价值宣传和增强分析至关重要，但解决人员方面的问题同样是AI使用成功的关键。
Idoine表示：“AI正在改变一切，同时人类也应随着AI的发展做出转变。但每个人都是不同的，而且我们使用数据和分析的方式也不同。”
为了有效使用AI奠定适当的文化基础，D&A领导者应采取以下行动：
建立可重复的习惯：重视培训和教育并以数据和AI素养为重点。
拥抱新的角色和技能： 开发有助于适应GenAI(生成式人工智能)变革管理要求的角色。
跨团队协作：与安全、软件工程等不同的团队合作，以实现无缝整合。
